❶ 要製造人工智慧，需要掌握哪些專業知識

一、人工智慧是一個綜合學科，如樓上所說。而其本身又分為多個方面如神經網路、機器識別、機器視覺、機器人等。一個人想自學所有人工智慧方面並不是很容易的一件事。對於你想知道人工智慧在編程方面需要多深的要求。怎麼說好呢無論c++還是匯編他都是一門語言主要會靈活運用。大多機器人模擬都用的混合編程模式，也就是運用多種編程軟體及語言組合使用。之所以這樣是為了彌補語言間的不足。prolog在邏輯演繹方面比突出。c++在硬體介面及windos銜接方面比較突出，matlab在數學模型計算方面比較突出。如果單學人工智慧演算法的話prolog足以，如果想開發機器模擬程序的話vc++
matlab應該多學習點。對於你想買什麼書學習。我只能對我看過的書給你介紹一下，你再自己酌量一下。
1.人工智慧演算法方面:《人工智慧及其應用》第三版、人工智慧與知識工程。這兩本感覺買一本就可以了。第一本感覺能簡單並且全面點。這類書其實很多可是。大多內容都是重復的所以買一到兩本即可。
2.機器視覺演算法方面:《機器視覺演算法與應用》這本書講的大多都是工業化生產中機器視覺應用。從內容來說並不是很簡單，建議不要當入門教材來學習。
3.機器人方面：新版《機器人技術手冊》日譯的書，可能這是我當初在當當網里找到唯一一本比較全面實用的機器人方面的書。這本書由基礎到應用以及一些機器人實際問題上講述得很全面。強烈建議買一本。
二、學習人工智慧ai需要下列最基礎的知識：
1.需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。
2.需要演算法的積累：人工神經網路，支持向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究slam；總之演算法很多需要時間的積累。
3.需要掌握至少一門編程語言，畢竟演算法的實現還是要編程的；如果深入到硬體的話，一些電類基礎課必不可少。
人工智慧一般要到研究生才會去學，本科也就是蜻蜓點水看看而已，畢竟需要的基礎課過於龐大。

❷ 軟考中級軟體設計師要學會哪種程序設計語言（我只學過C，C++，匯編）

朋友，我考過，別聽他們胡說
軟體設計師考試分上午和下午
上午的考試是選擇題目，范圍很廣
C和C++都有，但題目難度不大，匯編語言不考，建議多看看軟體工程的理論知識，考得很多，特別在下午。還有操作系統，編譯原理等跟計算機專業相關的理論
下面給出大綱：
軟體設計師考試大綱
一、考試說明
1．考試要求：
(1) 掌握數據表示、算術和邏輯運算；
(2) 掌握相關的應用數學、離散數學的基礎知識；
(3) 掌握計算機體系結構以及各主要部件的性能和基本工作原理；
(4) 掌握操作系統、程序設計語言的基礎知識，了解編譯程序的基本知識；
(5) 熟練掌握常用數據結構和常用演算法；
(6) 熟悉資料庫、網路和多媒體的基礎知識；
(7) 掌握C程序設計語言，以及C++、Java、Visual、Basic、Visual C++中的一種程序設計語言；
(8) 熟悉軟體工程、軟體過程改進和軟體開發項目管理的基礎知識；
(9) 熟悉掌握軟體設計的方法和技術；
(10) 掌握常用信息技術標准、安全性，以及有關法律、法規的基本知識；
(11) 了解信息化、計算機應用的基礎知識；
(12) 正確閱讀和理解計算機領域的英文資料。
2．通過本考試的合格人員能根據軟體開發項目管理和軟體工程的要求，按照系統總體設計規格說明書進行軟體設計，編寫程序設計規格說明書等相應的文檔，組織和指導程序員編寫、調試程序，並對軟體進行優化和集成測試，開發出符合系統總體設計要求的高質量軟體；具有工程的實際工作能力和業務水平。
3．本考試設置的科目包括：
(1) 計算機與軟體工程知識，考試時間為150分鍾，筆試；
(2) 軟體設計，考試時間為150分鍾，筆試。
二、考試范圍
考試科目1：計算機與軟體工程知識
1． 計算機科學基礎
1.1 數制及其轉換
• 二進制、十進制和十六進制等常用制數制及其相互轉換
1.2 數據的表示
• 數的表示（原碼、反碼、補碼、移碼表示，整數和實數的機內表示，精度和溢出）
• 非數值表示（字元和漢字表示、聲音表示、圖像表示）
• 校驗方法和校驗碼（奇偶校驗碼、海明校驗碼、循環冗餘校驗碼）
1.3 算術運算和邏輯運算
• 計算機中的二進制數運算方法
• 邏輯代數的基本運算和邏輯表達式的化簡
1.4 數學基礎知識
• 命題邏輯、謂詞邏輯、形式邏輯的基礎知識
• 常用數值計算（誤差、矩陣和行列式、近似求解方程、插值、數值積分）
• 排列組合、概率論應用、應用統計（數據的統計分析）
• 運算基本方法（預測與決策、線性規劃、網路圖、模擬）
1.5 常用數據結構
• 數組（靜態數組、動態數組）、線性表、鏈表（單向鏈表、雙向鏈表、循環鏈表）、隊列、棧、樹（二叉樹、查找樹、平衡樹、線索樹、線索樹、堆）、圖等的定義、存儲和操作
• Hash（存儲地址計算，沖突處理）
1.6 常用演算法
• 排序演算法、查找演算法、數值計算方法、字元串處理方法、數據壓縮演算法、遞歸演算法、圖的相關演算法
• 演算法與數據結構的關系、演算法效率、演算法設計、演算法描述（流程圖、偽代碼、決策表）、演算法的復雜性
2． 計算機系統知識
2.1 硬體知識
2.1.1 計算機系統的組成、體系結構分類及特性
• CPU和存儲器的組成、性能和基本工作原理
• 常用I/O設備、通信設備的性能，以及基本工作原理
• I/O介面的功能、類型和特性
• I/O控制方式（中斷系統、DMA、I/O處理機方式）
• CISC/RISC，流水線操作，多處理機，並行處理
2.1.2 存儲系統
• 主存-Cache存儲系統的工作原理
• 虛擬存儲器基本工作原理，多級存儲體系的性能價格
• RAID類型和特性
2.1.3 安全性、可靠性與系統性能評測基礎知識
• 診斷與容錯
• 系統可靠性分析評價
• 計算機系統性能評測方式
2.2 軟體知識
2.2.1 操作系統知識
• 操作系統的內核（中斷控制）、進程、線程概念
• 處理機管理（狀態轉換、共享與互斥、分時輪轉、搶占、死鎖）
• 存儲管理（主存保護、動態連接分配、分段、分頁、虛存）
• 設備管理（I/O控制、假離線）
• 文件管理（文件目錄、文件組織、存取方法、存取控制、恢復處理）
• 作業管理（作業調度、作業控制語言（JCL）、多道程序設計）
• 漢字處理，多媒體處理，人機界面
• 網路操作系統和嵌入式操作系統基礎知識
• 操作系統的配置
2.2.2 程序設計語言和語言處理程序的知識
• 匯編、編譯、解釋系統的基礎知識和基本工作原理
• 程序設計語言的基本成分：數據、運算、控制和傳輸，過程（函數）調用
• 各類程序設計語言主要特點和適用情況
2.3 計算機網路知識
• 網路體系結構（網路拓撲、OSI/RM、基本的網路協議）
• 傳輸介質、傳輸技術、傳輸方法、傳輸控制
• 常用網路設備和各類通信設備
• Client/Server結構、Browser/Server結構
• LAN拓撲，存取控制，LAN的組網，LAN間連接，LAN-WAN連接
• 網際網路基礎知識以及應用
• 網路軟體
• 網路管理
• 網路性能分析
2.4 資料庫知識
• 資料庫管理系統的功能和特徵
• 資料庫模型（概念模式、外模式、內模式）
• 數據模型，ER圖，第一範式、第二範式、第三範式
• 數據操作（集合運算和關系運算）
• 資料庫語言（SQL）
• 資料庫的控制功能（並發控制、恢復、安全性、完整性）
• 數據倉庫和分布式資料庫基礎知識
2.5 多媒體知識
• 多媒體系統基礎知識，多媒體設備的性能特性，常用多媒體文件格式
• 簡單圖形的繪制，圖像文件的處理方法
• 音頻和視頻信息的應用
• 多媒體應用開發過程
2.6 系統性能知識
• 性能指標（響應時間、吞吐量、周轉時間）和性能設計
• 性能測試和性能評估
• 可靠性指標及計算、可靠性設計
• 可靠性測試和可靠性評估
2.7 計算機應用基礎知識
•信息管理、數據處理、輔助設計、自動控制、科學計算、人工智慧等基礎知識
• 遠程通信服務基礎知識
• 常用應用系統
3． 系統開發和運行知識
3.1 軟體工程、軟體過程改進和軟體開發項目管理知識
• 軟體工程知識
• 軟體開發生命周期各階段的目標和任務
• 軟體開發項目管理基礎知識（時間管理、成本管理、質量管理、人力資源管理、風險管理等）及其常用管理工具
• 主要的軟體開發方法（生命周期法、原型法、面向對象法、CASE）
• 軟體開發工具與環境知識
• 軟體過程改進知識
• 軟體質量管理知識
• 軟體開發過程評估、軟體能力成熟評估基礎知識
3.2 系統分析基礎知識
• 系統分析的目的和任務
•結構化分析方法（數據流圖（DFD）、數據字典（DD）、實體關系圖（ERD）、描述加工處理的結構化語言）
• 統一建模語言（UML）
• 系統規格說明書
3.3 系統設計知識
• 系統設計的目的和任務
• 結構化設計方法和工具（系統流程圖、HIPO圖、控制流程圖）
• 系統總體結構設計（總體布局、設計原則、模塊結構設計、數據存儲設計、系統配置方案）
• 系統詳細設計（代碼設計、資料庫設計、用戶界面設計、處理過程設計）
• 系統設計說明書
3.4 系統實施知識
• 系統實施的主要任務
• 結構化程序設計、面向對象程序設計、可視化程序設計
• 程序設計風格
• 程序設計語言的選擇
• 系統測試的目的、類型，系統測試方法（黑盒測試、白盒測試、灰盒測試）
• 測試設計和管理（錯誤曲線、錯誤排除、收斂、注入故障、測試用例設計、系統測試報告）
• 系統轉換基礎知識
3.5 系統運行和維護知識
• 系統運行管理基礎知識
• 系統維護基礎知識
• 系統評價基礎知識
3.6 面向對象開發方法
• 面向對象開發概念（類、對象、屬性、封裝性、繼承性、多態性、對象之間的引用）
• 面向對象開發方法的優越性以及有效領域
• 面向對象設計方法（體系結構、類的設計、用戶介面設計）
• 面向對象實現方法（選擇程序設計語言、類的實現、方法的實現、用戶介面的實現、准備測試數據）
• 面向對象程序設計語言（如C++、Java、Visual、Bsasic、Visual C++）的基本機制
• 面向對象資料庫、分布式對象的概念
4． 安全性知識
• 安全性基本概念
• 防治計算機病毒、防範計算機犯罪
• 存取控制、防闖入、安全管理措施
• 加密與解密機制
•風險分析、風險類型、抗風險措施和內部控制
5． 標准化知識
• 標准化意識、標准化的發展、標准制訂過程
• 國際標准、國家標准、行業標准、企業標准基本知識
• 代碼標准、文件格式標准、安全標准、軟體開發規范和文檔標准知識
• 標准化機構
6． 信息化基礎知識
• 信息化意識
• 全球信息化趨勢、國家信息化戰略、企業信息化戰略和策略
• 有關的法律、法規
• 遠程教育、電子商務、電子政務等基礎知識
• 企業信息資源管理基礎知識
7． 計算機專業英語
• 掌握計算機技術的基本詞彙
• 能正確閱讀和理解計算機領域的英文資料
考試科目2：軟體設計
1． 外部設計
1.1 理解系統需求說明
1.2 系統開發的准備
• 選擇開發方法、准備開發環境、制訂開發計劃
1.3 設計系統功能
• 選擇系統結構，設計各子系統的功能和介面，設計安全性策略、需求和實現方法，制訂詳細的工作流和數據流
1.4 設計數據模型
• 設計ER模型、數據模型
1.5 編寫外部設計文檔
• 系統配置圖、各子系統關系圖、系統流程圖、系統功能說明書、輸入輸出規格說明、數據規格說明、用戶手冊框架
• 設計系統測試要求
1.6 設計評審
2． 內部設計
2.1 設計軟體結構
•按構件分解，確定構件功能規格以及構件之間的介面
• 採用中間件和工具
2.2 設計輸入輸出
• 屏幕界面設計、設計輸入輸出檢查方法和檢查信息
2.3 設計物理數據
• 分析數據特性，確定邏輯數據組織方式、存儲介質，設計記錄格式和處理方式
• 將邏輯數據結構換成物理數據結構，計算容量，進行優化
2.4 構件的創建和重用
• 創建、重用構件的概念
• 使用子程序庫或類庫
2.5 編寫內部設計文檔
• 構件劃分圖、構件間的介面、構件處理說明、屏幕設計文檔、報表設計文檔、文件設計文檔、資料庫設計文檔
2.6 設計評審
3．程序設計
3.1 模塊劃分（原則、方法、標准）
3.2 編寫程序設計文檔
• 模塊規格說明書（功能和介面說明、程序處理邏輯的描述、輸入輸出數據格式的描述）
• 測試要求說明書（測試類型和目標、測試用例、測試方法）
3.3 程序設計評審
4．系統實施
4.1 配置計算機系統及其環境
4.2 選擇合適的程序設計語言
4.3 掌握C程序設計語言，以及C++、Java、Visual、Basic、Visual C++中任一種程序設計語言，以便能指導程序員進行編程和測試，並進行必要的優化
4.4 系統測試
• 指導程序員進行模塊測試，並進行驗收
• 准備系統集成測試環境和測試工具
• 准備測試數據
• 寫出測試報告
5．軟體工程
• 軟體生存期模型（瀑布模型、螺旋模型、噴泉模型）和軟體成本模型
• 定義軟體需求（系統化的目標、配置、功能、性能和約束）
• 描述軟體需求的方法（功能層次模型、數據流模型、控制流模型、面向數據的模型、面向對象的模型等）
• 定義軟體需求的方法（結構化分析方法、面向對象分析方法）
• 軟體設計（分析與集成、逐步求精、抽象、信息隱蔽）
• 軟體設計方法（結構化設計方法、Jackson方法、Warnier方法、面向對象設計方法）
• 程序設計（結構化程序設計、面向對象程序設計）
• 軟體測試的原則與方法
• 軟體質量（軟體質量特性、軟體質量控制）
• 軟體過程評估基本方法、軟體能力成熟度評估基本方法
• 軟體開發環境和開發工具（分析工具、設計工具、編程工具、測試工具、維護工具、CASE）
• 軟體工程發展趨勢（面向構件，統一建模語言（UML））
•軟體過程改進模型和方法

❸ 人工智慧涉及哪些學科

人工智慧是一個綜合學科，其本身又分為多個方面如神經網路、機器識別、機器視覺、機器人等。一個人想自學所有人工智慧方面並不是很容易的一件事。對於你想知道人工智慧在編程方面需要多深的要求。怎麼說好呢無論C++還是匯編他都是一門語言主要會靈活運用。大多機器人模擬都用的混合編程模式，也就是運用多種編程軟體及語言組合使用。之所以這樣是為了彌補語言間的不足。prolog在邏輯演繹方面比突出。C++在硬體介面及windos銜接方面比較突出，MATLAB在數學模型計算方面比較突出。如果單學人工智慧演算法的話prolog足以，如果想開發機器模擬程序的話VC++ MATLAB應該多學習點。下面是小編整理的相關書籍，僅供參考。

1.人工智慧演算法方面:《人工智慧及其應用》第三版、人工智慧與知識工程。。第一本感覺能簡單並且全面點。這類書其實很多可是大多內容都是重復的所以買一到兩本即可。

2.機器視覺演算法方面:《機器視覺演算法與應用》這本書講的大多都是工業化生產中機器視覺應用。從內容來說並不是很簡單，建議不要當入門教材來學習。

3.機器人方面：新版《機器人技術手冊》日譯的書。這本書由基礎到應用以及一些機器人實際問題上講述得很全面。強烈建議買一本。

二、學習人工智慧AI需要下列最基礎的知識：

1.需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。

2.需要演算法的積累：人工神經網路，支持向量機，遺傳演算法等等演算法;當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM;總之演算法很多需要時間的積累。

3.需要掌握至少一門編程語言，畢竟演算法的實現還是要編程的;如果深入到硬體的話，一些電類基礎課必不可少。

人工智慧一般要到研究生才會去學，本科也就是蜻蜓點水看看而已，畢竟需要的基礎課過於龐大。

❹ 搞人工智慧（AI）開發C和匯編哪個好

建議 匯編

❺ 學習人工智慧需要什麼

學習人工智慧，還是應該學一些電腦編程方面的知識，畢竟人工智慧和編程的關系很大。

❻ 人工智慧方向的研究需要用到資料庫和匯編的知識嗎

基本不會。AI最重要的是演算法，可以用任何語言實現，但考慮到效率問題，內目前核心演算法都是容c/c++實現的，外圍則用哪種語言的都有。至於資料庫，看你用到什麼規模，一般學術實驗型的基本不用資料庫，各種形式的數據都有；大公司的一般是類似hadoop之類的架構（因為數據太大了，目前流行的關系型資料庫處理起來很吃力）。

❼ 學習人工智慧都需要學什麼

人工智慧抄主要應用的編程語言就是python，因此想要入行人工智慧的可以先從python學起，相對於其他編程來說，python比較簡單易學。資料庫的學習也是不可忽視的，不管你是想入行人工智慧還是其他編程，資料庫的學習是必不可少的。實踐，畢竟我們學習人工智慧並不只是想要單純的掌握這個理論，而是為了找一份好工作，所以真實的商業項目實戰也是非常重要的。

❽ 自動化，人工智慧要用到哪些計算機語言

其實這兩個方向基本上大部分計算機語言都可以用的，所不同的是不同語言帶來的執行效率以及這種語言的應用范圍寬窄的問題，如果真正想學習的話，可以考慮學習C或這C++！語言是相通的，真正入門了一種語言後，再接觸其他語言學習起來也得心應手！

❾ 想學編程需要會些什麼還有人工智慧需要學什麼 上哪裡弄教程

0基礎需要會什麼？學編程就學唄，不會才學呢嘛。
首先學習編程是比較苦的。你要知道編程是一個很寬泛的概念，電腦編程有很多種語言形式，最底層的機器語言（因為太難已被淘汰），低級語言「匯編」（往往解決一些和硬體系統有直接關系的問題），中級語言代表「c語言」（很流行的一種較低級，基礎的，面向過程的編程語言，也是很多編程者學編程的入門語言），高級語言代表Java，c++等（面向對象的編程語言）。
首先你要明白，人工智慧確實需要編程，但會編程和搞人工智慧之間有很大的差距，簡單理解盡管你是個編程高手了，那也只能算是個本科畢業的大學生，而能搞人工智慧的人可以比喻成愛因斯坦一類的偉大的科學家。所以請你學編程時不要心急。
剛開始學編程都比較傾向於學c語言，教程書店裡有很多，大部分編程初學者都會選擇譚浩強編寫的c語言教程，譚浩強的書雖然編寫的很好，但是因為他編程的意識和習慣都比較老舊，部分寫法和解釋有些不夠精確。所以你如果可以選擇一些國外最新的英文教材應該會更好。
這一行水其實很深，對初學者不能說很多，因為一時半會說不清，主要和看你自己的學習能力，很多東西是要靠自己去摸索看清的，當然如果能有一個指路人協助你會更好。祝你學業進步。

❿ 自學人工智慧需要學那些專業知識

一、人工智慧是一個綜合學科，如樓上所說。而其本身又分為多個方面如神經網路、機器識別、機器視覺、機器人等。一個人想自學所有人工智慧方面並不是很容易的一件事。對於你想知道人工智慧在編程方面需要多深的要求。怎麼說好呢無論C++還是匯編他都是一門語言主要會靈活運用。大多機器人模擬都用的混合編程模式，也就是運用多種編程軟體及語言組合使用。之所以這樣是為了彌補語言間的不足。prolog在邏輯演繹方面比突出。C++在硬體介面及windos銜接方面比較突出，MATLAB在數學模型計算方面比較突出。如果單學人工智慧演算法的話prolog足以，如果想開發機器模擬程序的話VC++ MATLAB應該多學習點。對於你想買什麼書學習。我只能對我看過的書給你介紹一下，你再自己酌量一下。

1.人工智慧演算法方面:《人工智慧及其應用》第三版、人工智慧與知識工程。這兩本感覺買一本就可以了。第一本感覺能簡單並且全面點。這類書其實很多可是。大多內容都是重復的所以買一到兩本即可。

2.機器視覺演算法方面:《機器視覺演算法與應用》這本書講的大多都是工業化生產中機器視覺應用。從內容來說並不是很簡單，建議不要當入門教材來學習。

3.機器人方面：新版《機器人技術手冊》日譯的書，可能這是我當初在當當網里找到唯一一本比較全面實用的機器人方面的書。這本書由基礎到應用以及一些機器人實際問題上講述得很全面。強烈建議買一本。

二、學習人工智慧AI需要下列最基礎的知識：

1.需要數學基礎：高等數學，線性代數，概率論數理統計和隨機過程，離散數學，數值分析。

2.需要演算法的積累：人工神經網路，支持向量機，遺傳演算法等等演算法；當然還有各個領域需要的演算法，比如要讓機器人自己在位置環境導航和建圖就需要研究SLAM；總之演算法很多需要時間的積累。

3.需要掌握至少一門編程語言，畢竟演算法的實現還是要編程的；如果深入到硬體的話，一些電類基礎課必不可少。

人工智慧一般要到研究生才會去學，本科也就是蜻蜓點水看看而已，畢竟需要的基礎課過於龐大。